基于小波包算法的电机故障信号压缩和重构任震¹，何建军²，黄雯莹¹，吴国沛¹(1.华南理工大学电力学院，广东广州510640；2.重庆大学电气工程学院，重庆400044)摘要：提出了基于小波包改进算法的电机故障信号压缩和重构方法，取定误差限后，通过选择分解阶数并自动优化调节每个节点的阈值来获得尽可能大的压缩比。分析了小波包分解尺度空间系数v₁不压缩和压缩2种方案，以及小波包完全分解和基于熵值的最优分解下各压缩指标随尺度的变化情况，并比较了不同小波的压缩效果。分析结果表明，提出的方法在获得较大压缩比的同时又能不失真地重构原信号，并有效地减少小波包分解和重构的计算量，是一种有效的电机故障信号的压缩和重构方法。关键词：小波包；压缩和重构；电机故障信号1引言电力系统各级调度中心及各发电厂、变电站相互之间需传送大量反映运行状态和进行控制调节的信息，描述系统故障或异常运行状态的信息往往含有各种奇异成分，在信息传输过程中还受到电磁干扰。传统的Fourier变换在分析奇异信号上的缺陷，以及仅凭幅值和相位2个参数来进行数据压缩就显得力不从心。因此，寻求一种有效的故障突变信号处理，以及进行压缩和重构的方法，必将利于电力系统故障信号的特征提取、存储和传输。对发电机进行状态监测，如定转子电流和电压、绕组绝缘、内部过热、端部振动等的监测，需要观测、采集和传输大量数据^［1，2］，尤其在异常情况下，既要提高采样频率，又要较长时间记录故障，从而增加了数据量，并且采集的信号含有大量奇异成分，需要一种有效的数据压缩方法，而小波分析在奇异性处理、消噪及压缩上的优势正好满足了这一要求。本文的基本思想是在小波包分解各节点中保留与故障信息有关的较大的系数，去掉其余干扰数据，一方面达到了消噪的目的，更为有利的是大大压缩了数据，便于存储和传输。2基于小波包的电机故障信号压缩和重构2.1小波包改进快速算法——二分法F［2］首先将序列按奇偶项二分，且信号x［n］(长n)经滤波器h［n］(长L)输出后要向下采样，仅取输出结果偶指标处的值，奇指标处的值可以不用计id="_x0000_t75" coordsize="21600,21600"o:spt="75"o:preferrelative="t" path="m@4@5l@4@11@9@11@9@5xe" filled="f" stroked="f">同理，小波滤波器G(z)也同样处理。将信号和滤波器分为奇偶2个序列分别计算，略去奇数项，再把2个滤波器的输出结果延迟相加得到经一步小波变换后的结果。应用该方法后，每个滤波器运算减少了NL/2次乘法运算和约N(L－1)/2次加法运算。以上算法还可重叠应用，如2个F［2］构成F［2×2］，先将序列二分，对每个序列再二分，此时需3NL/8次乘法，3NL/8＋3N/2＋L/2次加法计算^［3］，使需多次滤波器卷积计算的小波包算法减少了约一半的计算量。2.2基于小波包的压缩和重构方法由于小波包对信号进行了更细致的频率划分，将不同的频率分量分解到相应的频段上，这些分量具有不同的频率特性，其小波包分解系数间的关系也不一样，对每个节点上的分解系数分别设定阈值，将更有利于保留有用信息，舍弃噪声点，因此比直接小波分解进行压缩和采用统一的阈值进行压缩的效果更好。图1以2阶小波包分解来说明数据压缩过程，将信号分解后，对每个节点系数(如v_n)分别设定不同的阈值(thrn)后得到保留的有用系数(v^-_n)，最后再重构回原信号。小波包的分解和重构利用了改进的快速算法，大大减少了计算量。[1][2][3][4][5]下一页